Reconocimiento Automático de Patrones de Iris

11  Download (0)

Full text

(1)

Reconocimiento Automático de Patrones de Iris

Javier Ortega García EPS-UAM

Reconocimiento Automático de Patrones de Iris 2

1.La Estructura del Iris 2.Un poco de Historia

3.Adquisición de la Imagen 4.Localización del Iris

5.Comparación de Patrones de Iris 6.Experimentos Realizados

7.Problemática y retos futuros

8.The Iris Challenge Evaluation (ICE)

Aspectos diferenciadores:

„ La estructura del iris de cada ojo muestra alto grado de unicidad y estabilidad con el tiempo.

„ El patrón se mantiene prácticamente invariante desde la infancia del individuo

„ La herencia genética sólo determina la estructura general, pero no la estructura de detalle

„ La pigmentación y el tamaño de la pupila se estabilizan a partir de la adolescencia.

Sin embargo:

„ Durante la vejez se observa una ligera

despigmentación y una disminución de la apertura pupilar media.

„ No existen pruebas exhaustivas sobre grandes poblaciones: resultados no concluyentes.

1. La Estructura del Iris 1. La Estructura del Iris

Fisiología del Iris

Vista Frontal Corte Transversal

(vista sagital)

(2)

Reconocimiento Automático de Patrones de Iris 5

1. La Estructura del Iris

Vista Frontal

Fisiología del Iris

Reconocimiento Automático de Patrones de Iris 6

„ 1985: Los oftalmólogos Dr. Leonard Flom y Dr. Aran Safir introducen la idea de que no existen dos iris humanos que sean idénticos

„ 1987: Flom y Safir investigan y documentan el uso potencial del iris como rasgo identificativo, idea que patentan en EE. UU. (L. Flom and A. Safir, Iris Recognition System, US Patent 4,641,349)

„ 1991: Flom implica al Dr. John Daugman, para que desarrolle un esquema de reconocimiento, aportándole su amplia base de datos de iris.

„ 1991: Daugman patenta los algoritmos de

reconocimiento de iris desarrollados. (J. Daugman, Biometric Personal Identification System Based on Iris Analysis, US Patent No. 5291560, 1991)

2. Un poco de Historia

„ A partir de 1994 se licencia la tecnología, a partir de la empresa matriz IriScan, creada por Flom, Safir y

Daugman, a compañías como OKI, Sensar, Panasonic o LG Electronics

„ 1995: Wildes patenta su sistema, diferenciado del de Daugman. (R. Wildes et al., Automated, Non-Invasive Iris Recognition System and Method,US Patent No.

5572596, 1995.)

„ 2000: IriScan se fusiona con Sensar, creando Iridian Technologies

„ Feb. 2005: Caduca la patente de Flom y Safir.

2. Un poco de Historia

„ Objetivo:obtención de una imagen de alta calidad mediante un procedimiento no invasivo

„ Problemática:imagen reducida (típ., 1 cm. de diámetro), oscura y de alta sensibilidad para el usuario

„ Consideraciones de adquisición:

‰ Las imágenes deben ser de suficiente resolución y nivel de detalle (enfoque)

‰ Debemos tener suficiente contraste sin iluminación molesta para el usuario

‰ Las imágenes deben estar centradas sin requisitos de adquisición particulares (mirilla, apoyo para barbilla, etc.)

‰ No deben aparecer “artefactos” (reflejos, aberraciones ópticas, etc.)

3. Adquisición de la Imagen

(3)

Reconocimiento Automático de Patrones de Iris 9

Esquemas de adquisición tradicionales

3. Adquisición de la Imagen

Sistema de Daugman Sistema de Wildeset al.

Reconocimiento Automático de Patrones de Iris 10

Resolución de las problemáticas de adquisición:

Resolución y enfoque:

„ Sistema Daugman: entre 100 y 200 píxeles en el diámetro del iris, a 15~45 cm., con un objetivo de 330 mm.

„ Sistema Wildes: 256 píxeles en el diámetro del iris, a 20 cm., y con un objetivo de 80 mm

Iluminación:

„ Niveles de iluminación relativamente bajos, para confort del usuario:

aperturas de diafragma relativamente grandes, poca profundidad de campo (rango de enfoques), de 1 cm. de profundidad máximo.

Centrado de la imagen:

„ Ambos sistemas aprovechan las ventajas que proporciona la toma de secuencias de imágenes (y no la imagen fija)

„ Si el usuario es cooperativo y mira fijamente, tendremos centrado y calidad (resolución y enfoque) suficientes.

3. Adquisición de la Imagen

Consideraciones adicionales sobre la iluminación:

„ Problemática: compromiso entre suficiente contraste en patrones oscuros y niveles de iluminación molestos para el usuario

„ Sistema Daugman: simple y compacto; iluminación puntual mediante LED, cámara de vídeo estándar. Evita reflexión en gafas, pero no el efecto “ojos rojos” (reflexión especular de la córnea). La iluminación puntual obliga a desechar una zona del ojo por la reflexión.

„ Sistema Wildes: algo más sofisticado; iluminación difuminada, filtro polarizador y cámara de alta sensibilidad (bajos niveles de iluminación).

Los filtros polarizadores circulares evitan la reflexión especular. Esto permite mayor nivel de detalle de la imagen. El uso de cámaras de alta sensibilidad permite trabajar con niveles de luminosidad en absoluto molestos para el usuario.

„ Ambos sistemas iluminan con luz visible; la iluminación infrarroja es viable. Ambos sistema desechan la información de color, utilizando escala de grises de 8 bits.

3. Adquisición de la Imagen

Posicionamiento del iris:

„ Ambos sistemas obligan a que el usuario sea cooperativo y (re)sitúe adecuadamente su iris.

„ El sistema Daugman presenta una pantalla de cristal líquido con la secuencia de vídeo correspondiente a la zona, de forma que el usuario pueda ajustar la posición del ojo. Se extrae una imagen de forma automática a partir de la secuencia adquirida según criterio de máximo contraste entre iris y pupila.

„ El sistema Wildes presenta una retícula de ajuste basada en la superposición relativa de dos cuadrados. Cuando el iris está en la posición adecuada, los cuadrados coinciden, y el usuario mismo selecciona la imagen.

„ Evidentemente, ambos sistemas exigen alta cooperatividad por parte del usuario y de la supervisión de un operador expertos, lo que reduce la universalidad en el uso de los sistemas.

„ Hoy por hoy, muchos esfuerzos tendentes al ajuste automático de la imagen del iris a partir de secuencias de vídeo.

3. Adquisición de la Imagen

(4)

Reconocimiento Automático de Patrones de Iris 13

3. Adquisición de la Imagen

Ejemplo: sucesión de imágenes del iris en una secuencia de vídeo

Reconocimiento Automático de Patrones de Iris 14

3. Adquisición de la Imagen

Ejemplo: imágenes de iris capturadas

3. Adquisición de la Imagen

Sistemas comerciales de adquisición „ En general, los sistemas de adquisición incluyen al iris dentro de una imagen más amplia. Será necesario, como paso de preprocesado, la extracción del iris a partir de la imagen general.

„ En particular, deberemos obtener la imagen, delimitada exteriormente por el limbo (que separa la zona esclerótica –zona “blanca”- del iris) e interiormente por la pupila, desechando la zona oculta por los párpados.

„ Mientras que el borde externo (limbo) es de alto contraste, no sucede así con el interno, especialmente en iris muy pigmentados (oscuros).

„ El límite de los párpados se muestra irregular por la presencia de las pestañas.

„ Resumiendo: la localización deberá ser:

‰ Sensible a una alta gama de contrastes entre bordes

‰ Robusta ante irregularidades (en los bordes)

‰ Capaz de considerar aperturas y cierres pupilares variables

4. Localización del Iris

(5)

Reconocimiento Automático de Patrones de Iris 17

4. Localización del Iris

Reconocimiento Automático de Patrones de Iris 18

Procedimiento de localización automática

„ Uso de la primera derivada de la intensidad lumínica para la detección de bordes (se hallarán máximos locales en la derivada de las zonas de fuerte variación local de la intensidad).

„ Modelado de las zonas límite mediante modelos geométricos sencillos: los contornos de la pupila y el limbo se modelan mediante coronas o

segmentos circulares.

„ Sistema Wildes: la información de la primera derivada se filtra

selectivamente en el espacio: verticalmente en el limbo y horizontalmente en la zona de los párpados.

4. Localización del Iris

Localización mediante el sistema Daugman

„ Sea I(x , y) la intensidad lumínica de la imagen en el punto (x , y)

„ Dados los contornos circulares objetivo (bordes internos y externos del iris) parametrizados por su centro(xc, yc) y su radio r

„ El sistema se ajustará a estos contornos circulares vía gradiente ascendente de los parámetros xc, yc, r maximizando:

„ Donde es una función radial gaussiana, con centro en r0y desviación estándar σ que permite suavizar las

irregularidades de los bordes de las coronas circulares; el símbolo * indica convolución, ds indica segmento diferencial circular, y el término 2π·r normaliza la integral.

„ Esta técnica de ajuste de contornos (circulares) mediante optimización a través de gradiente se suele denominar en tratamiento de imágenes

“modelado activo de contornos”.

4. Localización del Iris

c cy x r

r ds y x r I

rG , , 2

) , ) (

( π

( 2 ) ( 0)22 2

)

(r π σ e r r σ

G =

Localización mediante el sistema Wildes

„ El sistema Wildes lleva a cabo el ajuste de contornos en dos pasos:

‰ a) Obtención de imagen de bordes binaria (sólo niveles blanco/negro) mediante cálculo del módulo del gradiente:

‰ b) Detección de contornos circulares mediante “votación” por transformada Hough

„ Con y que es una función gaussiana bidimensional con centro en (x0,y0) y desviación estándar σ que permite suavizar las irregularidades de los bordes.

„ Con el objeto de incorporar al cálculo un ajuste direccional (vertical u horizontal), con anterioridad al cálculo del módulo, las derivadas de la intensidad se ponderan para favorecer determinadas orientaciones (vertical en el limbo, horizontal en los párpados)

4. Localización del Iris

) , ( ) ,

(x y I xy

G

2 2 0 2 0

2 ) ( ) (

2 2

1 ) ,

( π σ σ

y y x x

e y

x G

+

(x x) =

,

(6)

Reconocimiento Automático de Patrones de Iris 21

4. Localización del Iris

Cálculo círculo interior y exterior

Reconocimiento Automático de Patrones de Iris 22

4. Localización del Iris

Normalización de tamaño

„ Eliminamos efecto de apertura/cierre de pupila convirtiendo la corona circular del iris a un rectángulo de tamaño constante

4. Localización del Iris

Mejora del contraste y eliminación ruido

„ Aumento del contraste y

eliminación de variaciones de brillo a lo largo de la imagen causadas por la posición de la fuente de luz:

‰ 1) Estimación de variaciones de brillo a lo largo de la imagen promediando la luminosidad en bloques 16x16 y después interpolando a todo el bloque

‰ 2) Restamos la variación de brillo estimada de la imagen original y a continuación, ecualizamos el histograma

„ La comparación de patrones (pattern matching)implicada en el proceso de reconocimiento de iris sigue cuatro pasos

diferenciados, a saber:

‰ 1) Alineamiento espacial de los patrones a comparar

‰ 2) Representación paramétrica de la información diferenciada de los patrones (extracción de características)

‰ 3) Evaluación de la bondad de la comparación (similitud)

‰ 4) Decisión de reconocimiento (aceptación/rechazo)

5. Comparación de patrones de Iris

(7)

Reconocimiento Automático de Patrones de Iris 25

Alineamiento espacial de los patrones

„ Será necesario alinear espacialmente los patrones a comparar:

‰ Desplazamiento (compensado al localizar el iris)

‰ Escalado (apertura/cierre del iris por dilatación de la pupila o variación de la distancia a la cámara, parcialmente compensado al normalizar el tamaño de la corona circular a un rectángulo)

‰ Rotación

„ El sistema de Daugman compensa el escalado solamente con la normalización anterior de corona circular a un rectángulo. La rotación la compensa durante la comparación rotando múltiples veces el iris a comparar.

5. Comparación de patrones de Iris

Reconocimiento Automático de Patrones de Iris 26

5. Comparación de patrones de Iris

Alineamiento espacial de los patrones

„ El sistema de Wildes ajusta simultáneamente la rotación y el escalado mediante un alineamiento espacial que minimiza las diferencias locales de intensidad lumínica de la imagen.

-> Patrones a alinear

-> Transformación espacial (rotación y escalado)

->Función a minimizar en Ry s

Representación paramétrica de la información:

„ La información de la imagen del iris abarca diversos niveles de detalle: desde el nivel más amplio, en el que se distinguen las regiones y estructuras generales que lo conforman, hasta el nivel de detalle pormenorizado.

„ Para la captura de esta amplio rango de detalle, resulta ventajoso el uso de análisis multirresolución. Para ello, ambos sistemas hacen uso de descomposición de la imagen en bandas

5. Comparación de patrones de Iris 5. Comparación de patrones de Iris

Representación paramétrica de la información:

„ Sistema de Daugman: análisis multirresolución basado en filtrado de Gabor, que permite un ajuste simultáneo de la resolución en espacio y frecuencia. El banco de filtros de Gabor se forma a partir de pares de filtros en cuadratura, lo que les dota de gran capacidad de detección de variaciones locales de fase.

„ Esta información de fase local, calculada sobre coronas circulares, es cuantificada a información binaria, permitiendo expresar la información paramétrica contenida en una imagen completa mediante una compacta representación de 256 bytes de información

(filtro en polares, parámetros de escala α,β y de frecuencia ω)

(8)

Reconocimiento Automático de Patrones de Iris 29

5. Comparación de patrones de Iris

Reconocimiento Automático de Patrones de Iris 30

5. Comparación de patrones de Iris

Representación paramétrica de la información:

„ Sistema de Wildes: se basa en una descomposición paso banda a partir del laplaciano de un banco de filtros gaussianos con multirresolución espacial

„ Se obtiene una representación de la información a partir de la imagen filtrada del mismo orden de magnitud en bytes que la imagen digital original.

Bondad de la comparación (similitud):

„ El sistema de Daugman estima la bondad de la comparación a través del porcentaje de bits coincidentes entre las dos imágenes, mediante el uso de la distancia normalizada de Hamming, a saber:

„ Siendo el operador OR-exclusivo (vale 0 para bits coincidentes, 1 para bits distintos), por lo que el resultado de la operación indicará la bondad de la comparación, en el sentido de que valores pequeños indicarán mayor coincidencia.

„ Es preciso poner de manifiesto que la carga computacional de la operación anterior es mínima, razón por la que el sistema de Daugman permite explorar de forma muy eficiente grandes bases de datos de iris.

5. Comparación de patrones de Iris

=

=

2048 2048 1

1 j

j

j

j B

A

Bondad de la comparación (similitud):

„ El sistema de Wildes emplea como estimador de la bondad la medida de autocorrelación discreta normalizada. Dadas dos zonas de imagen p1 [i , j ] y p2 [ i, j ] , de dimensiones ambas n xm, tendremos que:

serán respectivamente la media y varianza de p1. Considerando σ2 y μ2 definidas de igual manera respecto a p2, la correlación normalizada entre p1 y p2 valdrá:

„ La correlación normalizada ajusta las variaciones locales de intensidad de manera más adecuada que la correlación convencional, ya que se restan las medias en el numerador y se usan las desviaciones en le denominador.

5. Comparación de patrones de Iris

[ ] ∑∑( [ ] )

∑∑= = = =

=

= n

i m

j n

i m

j

j i m p

y n j i m p

n 1 1

2 1 1 2

1 1 1

1

1 1 ,

1 , σ μ

μ

( 1[ ] 1) ( 2[ ] 2)

1 1

1 2

, ,

n m

i j

p i j p i j n m

μ μ

σ σ

= =

⋅ ⋅ ⋅

∑∑

(9)

Reconocimiento Automático de Patrones de Iris 33

Sistema Daugman:

„ Experimento 1: conjunto de 323 personas, con 592 patrones de iris extraídos. Se dispone de un promedio de 3 imágenes de cada iris. Tasa de FR y FA calculadas, nulas.

„ Extrapolando los resultados mediante distribuciones estimadas binomiales, se obtienen un EER de 0.0008%

Sistema Daugman:

„ Experimento 2: Sistema instalado en los Sandia National Labs. Usuarios son voluntarios del laboratorio. En la fase de registro, se obtienen 199 patrones de iris a partir de 122 personas. En la fase de uso, se realizan un total de 878 intentos de acceso, durante un período de 8 días. Se detectan un total de 89 falsos rechazos, y 0 falsas aceptaciones. De los 89 FRs, en 47 casos el usuario realizó un nuevo intento, reduciéndose ahora a 16 FRs.

6. Experimentos Realizados

Reconocimiento Automático de Patrones de Iris 34

Sistema Wildes:

„ Experimento 3: 40 personas generaron un total de 60 patrones de iris.

De cada iris se dispone de 10 imágenes; 5 en una primera sesión, y otros 5 en una segunda sesión un mes después. Se recogieron iris de los cuatro colores básico (azul, verde, marrón claro y marrón oscuro), incluyendo algunos casos de gemelos idénticos. No se detectaron casos de FRs ni de FAs.

6. Experimentos Realizados

7. Problemática y retos futuros

„ Imágenes no ideales: parpadeo, desenfoque, etc.

7. Problemática y retos futuros

„ Medidas de calidad de imágenes de iris

„ Detección y eliminación de pestañas

„ Nuevos métodos de localización del iris

„ Ataques y detección de vida

(10)

Reconocimiento Automático de Patrones de Iris 37

„ Competición de iris, organizada por el NIST en 2005 y 2006, http://iris.nist.gov/ICE/

„ Edición de 2006: participación de 8 organizaciones de 6 países

* Carnegie Mellon University

* Chinese Academy of Sciences Institute of Automation (CASIA)

* SAGEM and Iridian Technologies, Inc.

* IriTech, Inc.

* JIRIS USA

* University of Cambridge

* University of West Virginia

* Tohoku University and Yamatake Corporation

8. The Iris Challenge Evaluation (ICE)

Reconocimiento Automático de Patrones de Iris 38

8. The Iris Challenge Evaluation (ICE)

1984 2002

(11)

Reconocimiento Automático de Patrones de Iris 41

„ Daugman, J. (1993) "High confidence visual recognition of persons by a test of statistical independence." IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 15(11), pp. 1148-1161

„ Automated iris recognition: An emerging biometric technology. Proceedings of the IEEE 85 (9), 1348-1363, 1997

„ L. Ma, T. Tan, Y. Wang, and D. Zhang, “Personal Identification Based on Iris Texture Analysis,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 25, pp. 1519-1533, 2003.

„ D. M. Monro, S. Rakshit and D. Zhang, DCT-based Iris Recognition, IEEE Transactions on Pattern Analysis and Machine Intelligence - Special Issue on Biometrics: Progress and Directions, Vol. 29, No. 4, pp. 586-595, Apr 2007

„ Webpage of JOHN DAUGMAN, http://www.cl.cam.ac.uk/~jgd1000/

„ University of Bath Iris Image Database, http://www.bath.ac.uk/elec- eng/research/sipg/irisweb/

„ Center for Biometrics and Security Research - Institute of Automation, Chinese Academy of Sciences (CASIA), http://www.cbsr.ia.ac.cn/index.htm

Referencias

Figure

Updating...

References